En busca de un hogar
En 2016, se estimó que 65,6 millones de personas de todo el mundo se vieron obligadas a abandonar sus hogares por motivos que van desde la guerra hasta las violaciones de los derechos humanos. Son 300.000 más que el año anterior.
El cambio climático y el calentamiento global agravan el problema del desplazamiento de personas, y se espera que millones de personas se vean obligadas a trasladarse a otros países, a menudo más frescos . El problema está tan extendido que Nueva Zelanda incluso está considerando crear un nuevo visado específicamente para quienes se vean desplazados por el cambio climático.
Una vez que toman la difícil decisión de abandonar su hogar, los refugiados se enfrentan a muchas otras preguntas: ¿A qué país deben huir? ¿Adónde deben ir dentro de ese país? ¿Podrán encontrar trabajo cuando lleguen?
Por lo general, los países que aceptan refugiados simplemente los ubican donde haya espacio. Si una comunidad de acogida concreta dispone de sitio cuando llegan los refugiados, ese será su nuevo hogar.
Sin embargo, investigadores de la Universidad de Stanford y ETH Zúrich han desarrollado un algoritmo que podría ayudar a los países a ubicar a los refugiados de forma más eficaz, aumentando sus posibilidades de encontrar empleo e integrarse en una sociedad desconocida. Su investigación se ha publicado en la revista Science.
Ubicación, ubicación, ubicación
Para desarrollar su algoritmo de asignación de refugiados, el equipo analizó datos socioeconómicos de 2011 a 2016 sobre más de 30.000 refugiados de entre 18 y 64 años en Estados Unidos. Estudió características individuales, como el dominio del inglés y el nivel educativo, los resultados laborales de cada refugiado y el lugar del país donde se establecieron.
Luego utilizaron el algoritmo para predecir los mejores lugares para los refugiados que llegaron a finales de 2016 y compararon esas predicciones con los resultados reales de los refugiados. Descubrieron que las tasas de empleo habrían aumentado un 41 % si se hubiera utilizado el algoritmo para ubicarlos.
El equipo realizó el mismo experimento con datos de solicitantes de asilo que llegaron a Suiza entre 1999 y 2013. Si se hubiera utilizado el algoritmo de asignación de refugiados para quienes llegaron a finales de 2013, la tasa de empleo habría sido un 73 % más alta.
«El aumento del empleo que proyectamos es considerable, y podría lograrse prácticamente sin costos adicionales para los gobiernos o las agencias de reasentamiento», afirmó Kirk Bansak, autor principal del estudio, en un comunicado de prensa de Stanford. «Al mejorar un proceso existente con datos ya disponibles, nuestro algoritmo evita muchos de los obstáculos financieros y administrativos que suelen dificultar otras innovaciones en materia de políticas».
Aunque el algoritmo de asignación de refugiados podría implementarse con costos adicionales mínimos o nulos para los gobiernos o las agencias de reasentamiento, el equipo dijo que no quiere que sustituya al personal humano. En cambio, prevé que la IA haga recomendaciones y que los funcionarios de reasentamiento tomen la decisión final.
Sin embargo, antes de que eso pueda ocurrir, quieren someter el algoritmo a varias pruebas en tiempo real. Con ese fin, el equipo trabaja en varios programas piloto junto con gobiernos y agencias de reasentamiento para poner a prueba más a fondo las capacidades del algoritmo.
No es la primera vez que vemos que se utilizan la IA y el aprendizaje automático para ayudar a las personas a hacer predicciones.
Los algoritmos no siempre realizan una tarea mejor que las personas: un software comercial de evaluación de riesgos de uso extendido no demostró ser mejor que voluntarios sin experiencia para predecir las tasas de reincidencia, pero algunos han demostrado una precisión notable en sus predicciones. Por ejemplo, ahora contamos con algoritmos capaces de predecir eficazmente el autismo, el comportamiento electoral, los infartos y mucho más.
Puede que la IA aún no sea capaz de superar a las personas el 100 % de las veces, pero, como señalaron los investigadores de Stanford, el mayor potencial de éxito se alcanza cuando las personas y las máquinas trabajan juntas.
